基于MAS的五階閉環供應鏈仿真及實現

許 良，趙立靜

（燕山大學 經濟管理學院，河北 秦皇島 066000）

基于MAS的五階閉環供應鏈仿真及實現

許 良，趙立靜

（燕山大學 經濟管理學院，河北 秦皇島 066000）

建立了基于回收和退貨的閉環供應鏈系統，運用MAS的方法構建了基于回收和退貨的閉環供應鏈仿真模型，并建立仿真實驗以及優化實驗，找出顧客等待時間盡可能短的情況下供應鏈總成本最低最優庫存控制策略，具有重要的理論研究價值和實踐意義。

閉環供應鏈；MAS；庫存策略；仿真

1 引言

近年來，隨著環保意識和可持續發展意識的增強，越來越多的企業開始注重產品的回收利用。在此背景下，將正向供應鏈和逆向供應鏈相結合的閉環供應鏈應運而生。閉環供應鏈作為新興的研究領域，主要涉及供應商、制造商、分銷商、零售商、消費者、回收商等各類實體及與其相關的一系列業務活動，呈現出復雜的網絡結構，是非常典型的復雜系統。2002年王丹力等提出了供應鏈是一個開放的復雜巨系統，并分析了供應鏈的復雜性。MAS理論和相關技術是一種對復雜系統進行分析、設計的有效的思想方法和工具，考慮到閉環供應鏈的復雜性，本文將MAS理論引入到閉環供應鏈的研究中。

伴隨著回收和退貨的出現，閉環供應鏈中各級企業要不斷面臨回收產品和退貨產品，使得原本就比較復雜的庫存問題變得更加難以控制，尤其是在多級供應鏈中愈發難以控制，如果處理不當，極有可能會對企業庫存造成很大的影響，因此非常有必要對閉環供應鏈多級庫存控制策略進行研究。

在庫存管理中，涉及到了多種庫存策略，庫存策略是庫存管理的重要部分，一個好的庫存策略可以避免缺貨或庫存積壓，加速資金周轉，降低庫存總費用。根據盤點方式的不同，可以分為t-循環策略、（r,Q）策略、（s,S）策略、（T,r,Q）策略以及（T,s,S）策略。本文采用的庫存策略是（s,S）策略，即對庫存進行連續盤點，一旦發現庫存水平小于s，就馬上發出訂單進行訂貨，使得訂貨時刻庫存水平達到S。

本文首先構建了基于回收和退貨的閉環供應鏈系統。然后運用MAS方法對五階供應鏈進行建模，模型的抽象粒度為供應鏈上的企業，并利用固定實體模擬企業，流動實體模擬企業之間的訂單、配送，最后對MAS模型進行仿真實驗以及優化實驗，找出最優的（s,S）庫存策略，為閉環供應鏈各級供應鏈成員合理制定庫存控制策略提供了指導意見。

2 閉環供應鏈仿真模型的建立

2.1 五階閉環供應鏈結構

本文所研究的閉環供應鏈是由供應商、制造商、分銷商、零售商以及客戶形成的閉環結構，同時包含回收和退貨環節。客戶退貨分為無缺陷退貨和缺陷退貨兩種情況，其中無缺陷退貨產品不影響二次銷售，直接退回給零售商進行銷售；缺陷產品退回給分銷商，由分銷商退回給制造商進行再制造，并重新進入正向供應鏈。回收環節指的是客戶手中超出產品生命周期的廢棄物，由制造商進行回收再制造并重新進入正向供應鏈。本文研究的閉環供應鏈是基于回收和退貨的閉環供應鏈系統，如圖1所示。

圖1 基于回收和退貨的閉環供應鏈結構

2.2 基于MAS的閉環供應鏈仿真模型

本文把閉環供應鏈中能夠獨立完成任務的各實體抽象為兩類，即功能Agent和結構Agent，因此整個系統可以劃分為三個層次：MAS層、結構Agent層以及功能Agent層。其中MAS層是系統總體的層次，包括結構Agent和功能Agent；結構Agent層由供應鏈的各企業組成，它們之間通過訂單、零部件以及產品的運輸聯系起來；功能Agent層是各結構Agent內部的運作流程的實現。本文所建立的基于MAS的閉環供應鏈仿真模型如圖2所示。

圖2 基于MAS的閉環供應鏈仿真模型

2.3 基于MAS的閉環供應鏈仿真流程

功能Agent層的各功能Agent使各個企業的內部運作流程得以實現。供應商、分銷商、零售商內部運作流程類似，主要包括訂單管理Agent、庫存管理Agent、配送Agent、通訊Agent、成本管理Agent、退貨管理Agent幾個模塊。制造商還包括生產Agent以及回收Agent這兩個模塊。因此以制造商為例說明企業內部運作流程：（1）通訊Agent首先接收來自分銷商Agent的訂單信息，將訂單信息傳遞給訂單管理Agent，訂單管理Agent收到訂單信息后與庫存管理Agent進行交互。如果庫存Agent的產成品滿足訂單需求，則配送Agent進行發貨。庫存Agent的產成品不能滿足訂單需求，則通知生產Agent，由生產Agent根據生產計劃安排生產，并且將生產信息反饋給庫存管理Agent，待生產完成后由配送Agent進行發貨。庫存管理Agent時刻檢測庫存水平，當零部件庫存小于安全庫存s時，向供應商Agent訂貨。（2）通訊Agent接收來自供應商Agent的送貨信息，并向庫存Agent下達更新零部件庫存的指令。通訊Agent接收來自分銷商Agent的退貨信息，并將退貨信息傳遞給退貨管理Agent，退貨管理Agent對退貨產品進行處理，并將零部件數量信息傳遞給庫存管理Agent，更新零部件庫存信息。（3）通訊Agent接收來自客戶Agent的回收信息，并將回收信息傳遞給回收管理Agent，回收管理Agent對回收產品進行處理，將可重新利用的零部件數量信息傳遞給庫存管理Agent，更新零部件庫存信息。制造商Agent的成本統計Agent存在于整個過程之中，隨時對制造商Agent處的成本進行統計和更新。制造商內部邏輯圖如圖3所示。

圖3 制造商內部邏輯圖

3 基于MAS的閉環供應鏈仿真實現

3.1 仿真平臺Anylogic

Anylogic仿真平臺是近年來興起的一種新興的建模仿真軟件，支持MAS系統的建模與仿真，利用活動對象類來對現實世界的不同事物進行模擬。活動對象可以用參數、變量來表示事物的屬性，還可以通過編寫函數、設置行為圖、定時器來設定活動對象的行為。活動對象類通過端口進行交互，利用端口進行消息的傳遞，消息是用戶編寫的Java類。

3.2 Anylogic平臺上閉環供應鏈仿真模型

客戶需求由Main層觸發，通過Event事件來實現，將其定義為事件demandGenerator。客戶的需求服從隨機分布Random Number（1,2,3,4,5,6），其概率分別為0.2、0.3、0.2、0.1、0.1、0.1，客戶需求每天觸發的次數為8。無理由退貨由Main層觸發，通過Event事件來實現，將其定義為事件sendbackGenerator，與客戶需求服從相同的隨機分布，每天的觸發次數為2。缺陷退貨由Main層觸發，通過Event事件來實現，將其定義為事件sendbackGenerator1，與客戶需求服從相同的隨機分布，每天觸發的次數為1。回收同樣在Main層觸發，通過事件Event事件來實現，將其定義為事件recycleGenerator，與客戶需求服從相同的隨機分布，每天的觸發次數為3。除此之外，Main層還包括了模型開始的時間beginingofDay、各Agent的庫存參數、顧客等待時間數據以及供應鏈的平均成本等。Main層模型如圖4所示。

圖4 Anylogic平臺上閉環供應鏈仿真模型

其中，仿真參數的設置見表1。

表1 仿真參數設置

3.3 仿真模型中各功能Agent的描述及屬性定義

（1）訂單管理Agent。主要負責對訂單進行處理，與庫存Agent進行交互，判斷庫存能否滿足訂單需求，滿足需求則向配送Agent發出送貨指令，不能滿足需求則向生產Agent發出生產指令，當訂單得到滿足后將訂單移除。其相關屬性為：

orders：集合類型，主要用來收集order消息。

backlog：主要是對未完成訂單總量的一個統計功能。

checkOrders：這是一個行為圖（actionchart），訂單處理的功能主要體現在這個行為圖中。

（2）需求管理Agent。主要負責對客戶需求進行處理，與庫存Agent進行交互，判斷庫存能否滿足需求，當需求得到滿足后將需求移除。其相關屬性為：

demands：集合類型，主要用來收集demand消息。

backlog：這是一個功能函數，主要是對未完成訂單總量的一個統計功能。

checkDemands：這是一個行為圖（actionchart），客戶需求處理的功能主要體現在這個行為圖中。

orderFromFactory：行為圖，主要功能是向制造商發起訂貨。

（3）庫存管理Agent。庫存管理Agent主要負責對零部件及成品進行庫存管理，其相關屬性為：

I：表示當前成品庫存水平。

I1：表示當前零部件庫存水平。

（4）生產Agent。生產Agent負責零部件及成品的生產，當接到庫存管理Agent的指令時即被觸發，其相關屬性為：

Manufacturing：主要屬性為生產數量amount，可以自動觸發。

（5）配送Agent。主要負責零部件及成品的配送，當接到訂單管理Agent的送貨指令后開始配送。其相關屬性為：

Delivery：主要屬性為Shipment和destination，表示向下游配送零部件及成品，數量由Shipment實例的屬性值決定。

（6）成本管理Agent。主要負責統計各項成本，并設定相關的成本參數，其相關屬性為：

manufacturingCost：Statistic類型，對生產成本進行統計。

holdingCost：Statistic類型，對產成品庫存持有成本進行統計。

holdingCost1：Statistic類型，對零部件庫存持有成本進行統計。

shortageCost：Statistic類型，對缺貨懲罰成本進行統計。

orderingCost：Statistic類型，對訂貨成本進行統計。

sendbackCost：Statistic類型，對退貨成本進行統計。

recycleCost：Statistic類型，對回收成本進行統計。

（7）通訊Agent。主要通過端口與外界進行通訊。

（8）退貨管理Agent。主要負責對退貨進行處理，并向庫存管理Agent發出更新零部件庫存指令。其相關屬性為：

sendbacks：集合類型，主要用來收集sendback消息。

checkSendbacks：這是一個行為圖（actionchart），退貨處理的功能主要體現在這個行為圖中。

（9）回收管理Agent。主要負責對回收產品進行處理，向庫存管理Agent發出更新零部件庫存指令。其相關屬性為：

recycles：集合類型，主要用來收集recycle消息。

p：回收產品的再制造率。

checkRecycles：這是一個行為圖（actionchart），客戶回收處理的功能主要體現在這個行為圖中。

4 構建仿真實驗、優化實驗及結果分析

根據仿真目標，本文設計了三種情形下的仿真實驗，研究在庫存策略確定的情況下每天的退貨概率和回收概率對供應鏈總成本及顧客等待時間的影響，并且結合三種情形找出共同的規律，以期為找到供應鏈總成本最低的庫存策略提供一定指導。仿真實驗方案設計：（1）無理由退貨概率、缺陷品退貨概率以及回收概率均為0。（2）無理由退貨概率、缺陷品退貨概率以及回收概率均為上文設定的仿真實驗參數中的一半，即無理由退貨概率為一天一次，缺陷品退貨概率為兩天一次，回收概率為一天兩次。（3）無理由退貨概率、缺陷品退貨率以及回收概率仍為上文設定的仿真參數，即無理由退貨概率為一天兩次，缺陷品退貨概率為一天一次，回收概率為一天四次。仿真實驗運行十次，然后取平均值為最終結果，仿真實驗結果見表2。

表2 仿真實驗結果

通過表2可以看出方案三總成本最小且顧客等待時間最短，方案一總成本最大且顧客等待時間最長，即無理由退貨概率為一天兩次、缺陷退貨率為一天一次且回收概率為一天四次的情形下供應鏈總成本最小，顧客等待時間最短；無理由退貨概率、缺陷退貨概率且回收概率為0的情形下供應鏈總成本最大，顧客等待時間最長。由此可得：在各企業庫存策略確定的情況下，無理由退貨概率、缺陷退貨概率及回收概率在一定的范圍內概率越大，供應鏈總成本越小，顧客等待時間越短。因此本文建立優化實驗時，為了找到使供應鏈總成本最小的庫存策略，應在方案三的基礎上建立優化實驗，各參數值的設置同方案三。

本文建立優化實驗，試圖通過最優化搜尋（OPtQuest）技術找到上文構建的仿真模型的最優庫存參數（s,S）。最優化搜尋（OPtQuest）是Anylogic仿真平臺中提供的一種優化技術，能夠在整個仿真過程中搜尋最佳解。最優化搜尋技術的實施流程為：

（1）模完成后進行模擬，設定優化實驗的目標函數 f(x)。

（2）模擬從一基礎起始解開始，得到目標函數 f(x)，f(x)中的x是該次模擬中所用的參數，并將該初始解設定為最優解X*。

（3）x作為優化搜尋時的輸入參數，在搜尋過程中若產生一新試驗解時，若當時的x能夠使目標函數值 f(x)優于之前的f(x*)，則由該x成為新的X*。

（4）若目標函數中有過濾規則，在模擬過程中還應檢驗解是否符合所要求的目標解，不符合的應該舍去。

在本仿真中，目標函數為顧客等待時間盡可能短的情況下（顧客等待時間小于等于0.05），整個供應鏈每天的平均成本最低，所以目標函數設置為：

經過仿真及最優化搜尋得到的仿真結果為：零售商（s,S）=（59,146）分銷商（s,S）=（102,143），供應商（s,S）=（52,95），在該情況下日均成本為1 063.523。仿真結果如圖5所示。

5 結論

本文從供應鏈各成員的行為特征出發，研究了五階供應鏈的仿真與實現，借助Anylogic仿真軟件，研究了基于回收與退貨的閉環供應鏈的無理由退貨概率、缺陷退貨概率以及回收概率與整個供應鏈總成本之間的關系，結論表明，無理由退貨概率、缺陷退貨概率及回收概率在一定的范圍內隨著參數的增大，整個供應鏈總成本越來越小且顧客等待時間越來越短，在此基礎上構建了優化實驗，找到了在顧客等待時間小于0.05天的約束條件下使整個供應鏈成本最小的最優庫存策略，為閉環供應鏈多級庫存控制與決策提供理論依據。

[1]張維勇,梅勃,錢軍,許磊.基于多智能代理的供應鏈仿真模型的構建[J].計算機應用,2007,(27):99-101.

[2]桂壽平,吳冬玲.基于Anylogic的五階供應鏈仿真建模與分析[J].改革與戰略,2009,25(1):159-162.

[3]范英.基于MAS的汽車供應鏈信息共享協同模式仿真研究[D].哈爾濱:東北林業大學,2013.

[4]趙曉敏,再制造不確定的MR閉環供應鏈系統建模與仿真研究[J].管理科學,2012,25(6):23-34.

[5]白睿涵,賈紅雨,左鵬.多級庫存策略模擬建模[J].物流科技,2008,(6): 113-116.

[6]Guilherme Ernani Vieira.Ideas for Modeling and Simulation of Supply Chains with Arena[A].Proceedings of the 2004 Winter Simulation Conference[C].2004.

[7]Yuan K F,Gao Y.Inventory decision-making models for a closed-loop supply chain system[J].International Journal of Production Research, 2010,48(20):6 155-6 187.

Simulation and Realization of 5-stage Closed-loop Supply Chain Based on MAS

Xu Liang,Zhao Lijing
(School of Economics&Management,Yanshan University,Qinhuangdao 066000,China)

In this paper,we built the closed-loop supply chain system based on recycling and product return,and then used the MAS method to establish the closed-loop supply chain simulation model as well as the optimization experiment to identify the optimal inventory control strategy to minimize the waiting time of the customer and the total cost of the supply chain.

closed-loop supply chain;MAS;inventory strategy;simulation

F274

A

1005-152X(2015)10-0172-04

2015-08-25

河北省科技計劃項目“減排降霾目標下河北省鋼鐵綠色供應鏈優化及對策研究”（15457627D）

許良（1975-），男，山西朔州人，燕山大學經濟管理學院副教授，北京交通大學博士研究生，研究方向：城市交通網絡優化、物流與供應鏈優化、企業信息化；趙立靜（1989-），女，河北邢臺人，燕山大學經濟管理學院碩士，研究方向：物流與供應鏈管理。

10.3969/j.issn.1005-152X.2015.10.047